پیمان طهماسبی

سیلاب یکی اصلی ترین بلای طبیعی و یک مسئله مهم جهانی است به ط وری ک ه ب ا اف زایش رخ داد س یل، نگرانی های در خصوص افزایش مرگ و میر و ضررهای اقتصادی ناشی از آن افزایش می یابد. در ایران به دلیل وسعت زیاد، تنوع اقلیمی، تغییرات کاربری اراضی و دگرگونی های رخ داده در مقیاس های زمانی و مکانی بارش ها، همه ساله سیلاب های رخ می دهد. تحقیق حاضر جهت ارزیابی خطر سیلاب حوضه های آبریز استان خوزستان براساس ترکیب مدل های منطق فازی (Fuzzy) و سلسله مراتبی (AHP) است. در این پژوهش از پارامترهای بیشینه بارش، فاصله از آبراهه، تراکم آبراهه، پوشش گیاهی و شیب استفاده شد. نقشه های رقومی پارامترها با استفاده از نرم افزار ArcGIS 10.3 تهیه شد. احتمال رخداد سیل برای هر کلاس از هر فاکتور و اهمیت هر فاکتور نسبت به سایر فاکتورها در وقوع سیل توسط نظرات کارشناسی بررسی گردید و وزن های مربوطه در نرم افزار Arc GIS 10.3 محاسبه گردید. وزن های بدست آمده برای هر کلاس به لایه های مربوطه اعمال گردید در نهایت نقشه های احتمال سیل منطقه مورد بررسی تهیه و در ۵ کلاس آسیب پذیری خیلی زیاد، زیاد، متوسط، کم و خیلی کم ارزیابی گردید. نتایج حاکی از آن است که فاکتور بارش دارای بیش ترین تاثیر بر وقوع سیل بوده و کم ترین تاثیر مربوط به فاکتور پوشش گیاهی است و از مجموع مساحت 6292521 هکتاری استان خوزستان، 74/9% در کلاس ارزیابی خطر خیلی کم؛ 47/53% ارزیابی خطر کم؛ 10/21% ارزیابی خطر متوسط، 97/6% ارزیابی خطر زیاد و 69/%8 ارزیابی خطر خیلی زیاد قرار دارد. بخش های جنوب و جنوب غربی استان از پتانسیل بالای سیلاب برخوردار هستند و علاوه بر این شهرهای آبادان، خرم شهر، چوئبنده، شادگان، دارخوین، هویزه، قسمت های جنوبی اهواز و روستاهای اطرف آن ها در منطقه با آسیب پذیری خیلی زیاد قرار گرفته اند. نقشه ارزیابی خطر سیلاب به دست آمده می تواند به عنوان یک سامانه پشتیبانی تصمیم ساز برای پیش بینی سیلاب های آینده در منطقه مورد مطالعه استفاده شود.

رشد جمعیت و تخلیه فاضلاب های مختلف باعث افزایش آلودگی منابع آبی، به ویژه آب های سطحی، شده است که این امر منجر به رشد جلبک ها، کاهش اکسیژن محلول و افت کیفیت آب می شود. به دلیل هزینه بر و زمان بر بودن روش های میدانی، فناوری سنجش ازدور به عنوان روشی کارآمد برای پایش کیفیت آب مورد استفاده قرار می گیرد. در این مطالعه، از تصاویر ماهواره ای سنتینل-۲ برای بررسی کیفیت آب دریاچه زریبار و شناسایی منابع آلاینده استفاده شد. ابتدا با اعمال شاخص NDWI، پیکره آبی از سایر عوارض جدا گردید و سپس شاخص NDCI برای برآورد غلظت کلروفیل-آ به کار رفت که دقت آن با داده های زمینی R²=0.90 و RMSE=0.07 ارزیابی شد. همچنین، با استفاده از الگوریتم یادگیری ماشین جنگل تصادفی، کاربری اراضی منطقه در پنج کلاس جنگل، پیکره آبی، مناطق شهری، کشاورزی و ترکیب جنگل و مرتع طبقه بندی شد که دقت کلی 04/92 درصد و ضریب کاپا 78/88 درصد را نشان داد. نتایج حاکی از آن بود که نواحی ساحلی دریاچه به دلیل ورود آبراهه های آلوده، بیش ترین میزان آلودگی را دارند، درحالی که چشمه های کف دریاچه موجب کاهش آلودگی در مرکز آن شده اند. همچنین، قسمت شرقی دریاچه به علت مجاورت با اراضی کشاورزی، تخلیه فاضلاب شهری و فعالیت های تفریحی آلوده تر از سایر بخش ها بود. یافته ها نشان داد که استفاده از تصاویر سنتینل-۲ و الگوریتم های یادگیری ماشین، روشی مؤثر و مقرون به صرفه برای ارزیابی کیفیت منابع آبی است که امکان پایش سریع و دقیق شاخص های کیفی را فراهم کرده و به مدیریت بهتر منابع آبی و کاهش آلودگی کمک می کند.